13. lapszám · nov. 2–8. 2026Kiadások · Fogalomtár · Archívum · Módszer · RSS · HU / ENG

Az AI-korszak hírei, hetente válogatva

Fogalomtár › Tanítás és adat

betanítás

angolul: training

alapelterjedt

A betanítás az a folyamat, amelyben egy MI-modell rengeteg példából, fokozatos próbálkozással és javítással megtanulja, hogyan oldjon meg egy feladatot.

Érthetően

A hagyományos programot szabályról szabályra megírják. Az MI-modellt nem megírják, hanem betanítják: sok példát mutatnak neki, és ő maga szűri ki belőlük a mintázatokat.

Olyan ez, mint amikor egy gyerek megtanul biciklizni. Nem a fizika képleteit magolja be, hanem ezerszer megbillen, korrigál, és a végén ráérez az egyensúlyra. A modell ugyanígy tippel, megtudja, mekkorát tévedett, és egy kicsit igazít magán.

A betanítás végén kész modell áll elő, amelynek a „tudása” sok beállított számban rögzül. Egy nagy nyelvi modellnél ezek száma akár több milliárd is lehet. Amikor egy csevegőrobottal beszélgetsz, ezt a kész modellt használod, és ez a beszélgetés közben nem tanul tovább. Egyes szolgáltatások ugyan megjegyeznek rólad dolgokat („memória” funkció), de ezt külön elmentett jegyzetként teszik, nem a modell újratanításával.

A nagy modellek betanítása az MI egyik legdrágább része: hetekig vagy hónapokig tarthat, rengeteg adat, számítási kapacitás és áram kell hozzá. Ezért csak néhány cég képes a legnagyobb modelleket elkészíteni.

Hogyan működik

  1. Adatgyűjtés: összeállítják a tananyagot, vagyis szövegeket, képeket, hangfelvételeket vagy táblázatokat. Ezeket sokszor címkékkel látják el (például „ezen a képen macska van”), a nyelvi modelleknél viszont a nyers szöveg önmagában is elég.
  2. Tippelés: a modell kap egy példát, és megpróbálja megadni a választ, például kitalálni egy mondat következő szavát. Az elején a belső számai véletlenszerűek, ezért szinte mindig téved.
  3. Hibamérés: egy képlet kiszámolja, mennyire tért el a tipp a helyes választól. Ez a szám a hiba (angolul loss).
  4. Javítás: a rendszer a hibából visszafelé kiszámolja, melyik belső számon (súlyon) mennyit kell állítani, hogy legközelebb kisebb legyen a tévedés.
  5. Ismétlés és ellenőrzés: ez a kör rengetegszer, nagy modelleknél akár milliószor is lefut. Közben és a végén a modellt olyan példákon vizsgáztatják, amelyeket korábban nem látott. Így derül ki, hogy tényleg tanult-e, vagy csak bemagolt.

Példa a mindennapokból

A leveleződ spamszűrője azért ismeri fel a kéretlen leveleket, mert korábban sok millió, „spam” vagy „nem spam” jelöléssel ellátott levélen tanították be. Amikor egy levelet te magad jelölsz meg spamként, azzal jellemzően újabb tanítópéldát adsz egy későbbi betanítási körhöz.

Kit érint

mindenkiAmit a neten közzéteszel vagy egy MI-szolgáltatásba beírsz, az a beállításoktól függően tananyaggá válhat egy modell betanításához.
vállalkozó, vezetőTudnod kell, hogy a céged adataival betanít-e modellt a szolgáltató, és hogy nektek saját betanítás kell-e, vagy elég egy kész modellt használni.
fejlesztőA modell képességeit és hibáit a tanítóadat és a betanítás módja határozza meg, ezért ezt ismerned kell, mielőtt alkalmazást vagy agentet építesz rá. → Kód
jogász, állampolgárA szerzői jogi és adatvédelmi viták nagy része arról szól, milyen művekkel és személyes adatokkal szabad modellt betanítani. → Jog

Gyakori félreértés

TévhitA modell minden beszélgetésből azonnal tanul, tehát amit ma elmondasz neki, azt holnap már másnak is tudja.
ValójábanA betanítás külön, lezárt szakasz, a kész modell használat közben nem változik. A beszélgetéseid legfeljebb egy későbbi betanítás tananyagába kerülhetnek be, ha a szolgáltató szabályai ezt megengedik. Ezt sok helyen ki is kapcsolhatod. A „memória” funkció csak a saját fiókodhoz ment el adatokat, más felhasználók nem látják.

Korlátok és kockázatok

Hasonló, de nem ugyanaz

Kapcsolódó fogalmak

Tágabb

gépi tanulás, mesterséges intelligencia

Szűkebb

előtanítás, finomhangolás, felügyelt tanulás, megerősítéses tanulás, önfelügyelt tanulás

Rokon

tanítóadat, következtetés, túltanulás, neurális hálózat, modellsúlyok, mélytanulás

Röviden a története

Frank Rosenblatt 1958-ban mutatta be a perceptront, az egyik első gépet, amely példákból tanult. A mai betanítás alapját adó hibavisszaterjesztést már az 1970-es években leírták (Seppo Linnainmaa, Paul Werbos). Széles körben David Rumelhart, Geoffrey Hinton és Ronald Williams 1986-os tanulmánya tette ismertté.

Hol tart most

2026 végén a betanítás a mai gépi tanuláson alapuló MI-rendszerek alapja: a nagy nyelvi modelleket hatalmas adatközpontokban, óriási költséggel tanítják be. Az EU MI-rendelete 2025 augusztusa óta előírja az általános célú modellek szolgáltatóinak, hogy összefoglalót tegyenek közzé a tanításhoz használt tartalmakról.

Állapot: 2026. november

A hírekben

78 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Más nevei

betanítás · tanítás · modelltanítás · tréning · tréningezés · training · model training · AI training

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.